AI交互终端异常数据入侵识别与仿真

摘要：

交互终端界面可分为桌面、非桌面、可见及不可见几种类型,因此交互界面的大数据具有多样化和无序化特点,导致AI交互终端安全攻击事件时有发生.为增强AI交互安全性,提出AI交互终端大数据异常入侵风险识别方法.构建AI交互终端数据模型,获得入侵数据参变量在终端内簇首节点中的布局函数,构建异常数据入侵节点的路由拓扑模型.根据能量损耗测量频谱,得到交互终端数据布局全部簇的位置,拟合终端数据信息流二维信号.基于此,利用主成分分析提取异常值,筛选关联密切信息,保证成分互不干扰.根据排列数据簇,划分正常数据与异常入侵数据,利用网络发生器,得到入侵特征和权值,完成AI交互终端大数据异常入侵风险识别.实验结果显示,所提方法的AI交互终端大数据异常识别率可达95％以上,误检率低于10％,确保了 AI终端的安全,可有效减小用户损失.

关键词：交互终端、大数据异常入侵、入侵风险识别、数据特征提取、对角矩阵

所属期刊栏目：39

分类号：TN925+.1

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：467-471